权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Engineering Research Equipment Grant: Digital Signal Processing

工程研究设备补助金：数字信号处理

基本信息

批准号：
8807978
负责人：
Leah Jamieson
金额：
$ 9.5万
依托单位：
Purdue Research Foundation
依托单位国家：
美国
项目类别：
Standard Grant
财政年份：
1988
资助国家：
美国
起止时间：
1988-08-01 至 1993-07-31
项目状态：
已结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=8807978&HistoricalAwards=false
关键词：
Engineering Research Equipment Grant Digital

项目摘要

A digital signal processing laboratory equipment configuration will be provided for researchers at Purdue University for research in the Department of Electrical Engineering. This equipment is provided under the Instrumentation Grants for Research in Computer and Information Science and Engineering program. The research for which the equipment is to be used will be in the areas of speech processing research, signal representations, design of specialized signals and nonlinear digital signal processing.

数字信号处理实验室设备配置将提供给普渡大学的研究人员，电气工程系。该设备是根据仪器赠款提供的，计算机与信息科学与工程专业研究。使用该设备的研究将在以下领域进行：语音处理研究，信号表示，设计专业信号和非线性数字信号处理。

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

数据更新时间：{{ journalArticles.updateTime }}

DOI：
{{ item.doi }}
发表时间：
{{ item.publish_year }}
期刊：
{{ item.journal_name }}
影响因子：
{{ item.factor }}
作者：
{{ item.authors }}
通讯作者：
{{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ monograph.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ patent.updateTime }}

Leah Jamieson其他文献

An Unsupervised Machine Learning Approach to Evaluating the Association of Symptom Clusters With Adverse Outcomes Among Older Adults With Advanced Cancer

一种无监督的机器学习方法，用于评估患有晚期癌症的老年人的症状群与不良结果之间的关联

DOI：
发表时间：
2023
期刊：
JAMA Network Open
影响因子：
13.8
作者：
Huiwen Xu;M. Mohamed;M. Flannery;L. Peppone;E. Ramsdale;K. Loh;M. Wells;Leah Jamieson;Victor G. Vogel;B. Hall;K. Mustian;S. Mohile;E. Culakova
通讯作者：
E. Culakova

Using machine learning to identify older adults at high risk for hospitalization and mortality via the Patient-Reported Outcomes version of the Common Terminology Criteria for Adverse Events (PRO-CTCAE).

通过不良事件通用术语标准 (PRO-CTCAE) 的患者报告结果版本，使用机器学习来识别住院和死亡高风险的老年人。

DOI：
发表时间：
2020
期刊：
Journal of Clinical Oncology
影响因子：
45.3
作者：
Huiwen Xu;S. Mohile;M. Flannery;L. Peppone;M. Mohamed;E. Ramsdale;A. Patil;S. Jonnalagadda;Leah Jamieson;V. Vogel;K. Katato;B. Hall;K. Mustian;E. Culakova
通讯作者：
E. Culakova